共查询到19条相似文献，搜索用时 140 毫秒
1.
最佳小波包基的矿区植被及红边位置提取 总被引：1，自引：0，他引：1
小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。 相似文献
2.
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类 总被引：10，自引：1，他引：10
相对传统的中低分辨率遥感数据而言,高空间分辨率遥感影像同一地物内部丰富的细节得到表征,空间信息更加丰富,地物的尺寸、形状以及相邻地物的关系得到更好的反映,但其光谱统计特性不如中低分辨率影像稳定,类内光谱差异较大,而传统分类方法仅依据像元的光谱值,因此在高分辨率影像分类中,传统方法往往不能获得好的结果。在此背景下,提出了一种多尺度空间特征融合的分类方法,旨在利用不同尺度的空间邻域特征弥补传统方法的不足。其基本过程是：首先针对不同尺度特点,用小波变换压缩空间邻域特征,并结合支持向量机得到不同尺度下的分类结果,然后根据尺度选择因子为每个像元选择最佳的类别。文中QuickBird和IKONOS影像实验证明该算法能有效提高高分辨率影像解译的精度。 相似文献
3.
传统的HSV变换融合法是一种十分常见的遥感图像融合方法,该方法虽然可以提高图像的空间分辨率但会导致光谱信息的严重丢失,不适用于对高光谱影像的融合。而小波包变换是一种优于小波变换的多尺度多分辨率变换方法,基于小波包变换的图像融合技术允许对不同频带的图像采用不同的融合规则从而很好地保留图像的频谱信息。本文采用一种将HSV变换与小波包变换（Wavelet packet transform,WPT）相结合的融合方法对高空间分辨率影像和高光谱影像进行融合并对融合结果进行二进制编码监督分类,最后与传统的PCA变换融合法及Gram-Schmidt融合法在图像信息和光谱特征两个方面进行比较。结果表明,本文所采用的方法不仅可以提高融合图像的空间分辨率,并在地物的波谱特征保持和信息识别方面效果良好。 相似文献
4.
根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。 相似文献
5.
在将小波包变换应用于影像融合的过程中,选择不同性质的小波包基,会得到不同效果的融合影像。如何在其中找到性质最好的小波包基,即最佳小波包基,并在此基础上实现影像的融合具有重要的意义。影像融合涉及到两幅影像,最佳小波包基的搜索需要在两棵小波包树上进行,而已有的最佳小波包基搜索算法只能在一棵小波包树上实现。本文提出了一种在两棵小波包树上搜索最佳小波包基的算法,并基于由此算法得到的最佳小波包基,实现了一种新的基于最佳基小波包变换的影像融合。试验结果表明:在采用基于特征的融合规则的条件下,该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都优于由其他小波包变换方法(包括小波变换方法)得到的融合影像。 相似文献
6.
提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。 相似文献
7.
高光谱影像具有“谱像合一”的特征, 因而可以从谱和像两个角度对高光谱影像进行分形分析。本文把计
算表面分形维的双层地毯法用于计算Hyperion 高光谱曲线的分形维, 根据每一像元的高光谱曲线计算出每一尺度
的上分形信号和下分形信号, 并对分形信号值及分形特征尺度进行分析。结果表明对于不同地物其分形信号在某些
特定尺度(分形特征尺度)有较大的差异, 而且对于Hyperion 高光谱影像, 下分形信号可更有效地突出地物特征。文
章最后简要讨论了上分形和下分形、起始计算尺度以及原始采样点数目对分形特征尺度的影 相似文献
8.
利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割 总被引：4，自引：2，他引：2
为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。 相似文献
9.
介绍了基于小波包变换和区域方差的遥感影像融合方法.利用IHS变换和小渡包变换把全色影像和多光谱影像的相应分量分解为低频部分和高频部分,并分别采用加权平均法和区域方差法融合低频部分和高频部分,然后通过小波包重构和IHS逆变换得到最终的融合影像;最后采用MATLAB语言实现了这种方法.实验结果表明,这种方法在提高影像的清晰度、突出影像细节信息以及保留原始影像的光谱特征方面效果较好. 相似文献
10.
结合Gram-Schmidt变换的高光谱影像谐波分析融合算法 总被引：1，自引：0，他引：1
针对高光谱影像谐波分析融合(HAF)算法在影像融合时不顾及地物光谱曲线整体反射率这一缺陷,提出了结合Gram-Schmidt变换的高光谱影像谐波分析融合(GSHAF)改进算法。GSHAF算法可在完全保留融合前后像元光谱曲线波形形态的基础上,将高光谱影像融合简化为各像元光谱曲线的谐波余相组成的二维影像与高空间分辨率影像之间的融合。它是在原始高光谱影像光谱曲线被谐波分解为谐波余项、振幅和相位后,首先将其谐波余项与高空间分辨率影像进行GS变换融合,这样便可有效地修正融合后像元光谱曲线的反射率特征,随后再利用该融合影像与谐波振幅、相位进行谐波逆变换,完成高光谱影像谐波融合。本文最后利用Hyperion高光谱遥感影像与ALI高空间分辨率影像对GSHAF算法进行可行性分析,再以HJ-1A等卫星数据对其进行普适性验证,试验结果表明,GSHAF算法不仅可以完全地保留光谱曲线波形形态,而且融合后影像的地物光谱曲线反射率更接近真实地物。 相似文献
11.
According to the different characteristics that signal and noise exhibit during wavelet decomposition, a new denoising method based on the lifting scheme wavelet packet decomposition is presented. In this method, the SAR images are decomposed by using the best wavelet packet and the norm of each sub-band are calculated; signals and noise can be discriminated based on the norm and soft-threshold method, and the images can be denoised. Experiments show that the proposed algorithm has excellent performance in denoising SAR images, and can remove most noise of images with well-kept texture detail information. The calculating speed of the method is twice the speed of the general wavelet packet transform algorithm. 相似文献
12.
在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。 相似文献
13.
基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。 相似文献
14.
利用小波分形维数确定水稻光谱分辨率特征尺度 总被引：1，自引：0，他引：1
采用1维离散小波HAAR、DB4、SYM4对LOPEX 93数据库中的6条水稻反射光谱曲线进行10层小波分解。利用小波近似系数重构信号,采用步长行走法计算重构信号的小波分形维数。研究各尺度下小波分形维数、小波细节系数方差、小波细节系数信息熵、小波近似系数重构方差的特征。结果表明水稻光谱曲线具有分形特征,分形计算中相关系数值均大于0.9证明分形计算的有效性。4个参数的尺度特征揭示了水稻光谱曲线特征尺度转折点出现在尺度6,当水稻光谱分辨率小于64 nm,才能较好地反映光谱曲线峰谷细节特性。通过田间实测18条水稻光谱,计算各尺度的两种植被指数及植被指数与叶绿素的相关系数,进一步证明这一结论。 相似文献
15.
基于小波与遗传算法的特征提取与特征选择 总被引：5，自引：0，他引：5
高维遥感数据的分类与识别与传统的多光谱遥感分类技术具有明显的区别。本文提出了一种基于遗传算法和小波／小波包分析相结合的特征提取方法用于高维遥感数据降维与分类。该方法综合了遗传算法的全局优化和小波／小波包分析的多尺度、多分辨率的特点。首先,通过离散的小波变换(DWT)或小波包变换(WP)将高光谱信号变换到特征域进行光谱分解。由于DWT变换是一种线性变换,不同尺度的DWT系数可作为线性光谱特征。然后,对这些线性光谱特征利用遗传算法结合训练样本计算类内／类间距离搜索最优分类子集,其具体染色体编码取可能的特征号,适应度函数基于样本平均Jeffries-Matusita距离计算。所用的分类器采用最大似然分类器。试验结果表明该方法与常规特征提取算法如主成分变换(PCA)、判别分析特征提取(DAFE)、决策边界特征提取(DBFE)相比,能提高分类精度约1.1％-6.5％。 相似文献
16.
为了准确获取结构自振特性,通过分析多路径误差和结构振动的频率特征,采用小波包分解和频谱分析相结合的方法,在不同尺度下进行特定成分的提取,再作频率特性分析。实验结果表明,小波包能够有效地分离多路径误差,实现结构振动特征的提取,GPS测定的结构自振频率与理论值吻合较好,并且具有很好的稳定性。 相似文献
17.
一种基于小波包变换的纹理图像压缩算法 总被引：1，自引：0，他引：1
提出一种基于小波包变换与自适应混合量化的新图像压缩算法.该算法首先用小波包变换对纹理丰富的图像进行完全分解,并用一种与后续编码器相关联的成本函数(CostFunction)进行最佳小波包基搜索;然后依据图像内容,自适应确定小波包系数的扫描次序;再对小波包变换后的最低频子带进行DPCM无失真编码,对高频子带实施矢量量化编码;最后对所形成的二进制符号流进一步实施自适应算术编码.仿真实验结果表明:提出的小波包图像压缩算法是一种比较好的编码方案,其压缩效果不仅明显优于JPEG算法与SPIHT算法(特别是纹理图像),而且优于已有的其他小波包图像压缩算法. 相似文献
18.
19.
光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。 相似文献